分段取阈值正交匹配追踪反卷积声源识别算法

正交匹配追踪反卷积声源识别算法(orthogonal matching pursuit deconvolution approach for the mapping of acoustic sources, OMP-DAMAS)具有极高的计算效率、空间分辨率和重构精度,被广泛应用声源识别领域。但在实际的工程运用中,无法满足提前确定声源数目的条件,可能造成识别结果不准确。因此提出了一种分段取阈值的OMP-DAMAS算法,在声源稀疏度未知的情况下,通过对内积和最小二乘解取阈值将伪声源和旁瓣对应的列序号从原子支撑集中删除,直接精确的识别出真实声源的位置。仿真和试验结果表明了所提算法与传统的延时求和算法相比,可以明显的减小主瓣宽度,提高空间分辨率,同样能达到OMP-DAMAS算法的重构效果,对噪声具有较好的鲁棒性,且具有极高的识别稳定性。     

一种基于贝叶斯正交匹配追踪的水下多径稀疏信道估计方法

使用训练序列构成的测量矩阵并采用稀疏恢复算法是近年来常用的多径稀疏信道估计思路。提出一种贝叶斯匹配追踪算法的正交化改进方法,有效地改善了原方法的收敛速度,并将其应用于水下多径稀疏信道估计。进行了新方法的理论推导和两种水下稀疏信道模型中的仿真试验,进而与传统贪婪迭代和贝叶斯估计方法的估计效果进行了对比。仿真结果证明,所提出的新方法比原方法的收敛速度更快,能更高效地进行多径稀疏信道估计。新方法在低信噪比和呈簇状集中分布的水下多径稀疏信道中也有更好的估计效果。     

基于匹配追踪算法的立井爆破信号时频特征提取

在对立井爆破过程中井壁振动信号进行准确采集的基础上,采用匹配追踪（matching pursuit,MP）算法建立Gabor原子库,实现了爆破信号重构分量和残差分量的有效分离。通过信号短时傅里叶变换（short time Fourier transform,STFT）和魏格纳分布（Wigner-Ville distribution,WVD）对重构信号的时频分析及霍夫(Hough)变换时频聚集性对比,验证了WVD时频分析的优势。结果表明:MP-WVD组合信号分析方法对信号变化的适应性强,能够精确捕捉信号的局部细节,适合用于爆破信号非线性时频特征的提取过程。可为爆破方案调整和参数优化提供参考。     

一类非均匀采样信号的内插重构算法

本针对多路Ａ／Ｄ交替采样存在的采样非均匀现象,分析了此类非均匀采样信号 ,进而推导出其内插重构算法,并通过计算机仿真验证了算法的正确性。该重构算法在工程实际中具有应用价值。     

基于自适应子空间估计的DOA跟踪算法

运用特征子空间类高分辨方法的关键在于信号或噪声子空间的估计。实际上有些信号的统计特性通常随时间变化，为了得到参数的实时估计值，需要随时根据新的阵列接收数据对信号或噪声子空间进行更新?文中分析了一种自适应子空间估计算法，即MALASE(Maximum Likelihood Adaptive Subspaee Estimation)算法然后，把MALASE算法与最小范数(Mini—Norm)高分辨方位计算法相结合．并应用零点跟踪技术，提出了一种自适应Mini—Norm算法，可用于对时变的信号波达方向(DOA)进行跟踪估计。仿真结果验证了该算法具有较好的跟踪性能。     

基于空间平滑处理的稳健宽带高分辨方位估计算法

实际系统中阵列误差导致的模型失配问题一直是高分辨方位估计技术走向实用化的一个瓶颈。相对于窄带信号,宽带信号阵列模型误差更加复杂和多样,通过建立宽带阵列信号误差模型,得出了基于空间平滑的稳健的宽带高分辨算法是一种抑制阵列误差的有效方法的结论,这种基于空间平滑的宽带高分辨算法,通过空间平滑后对各频率处不同子阵的互谱密度矩阵求和,一定程度上减弱了阵列误差的影响,具有较高的稳健性。本文结合消声水池试验,分析并验证了其效果。     

水声信号动态阈值正交匹配追踪降噪方法

为了对实时采集的水声信号进行数据压缩的同时实现信号降噪,提出了一种动态阈值正交匹配追踪方法(Dynamic Threshold Orthogonal Matching Pursuit,DTOMP)。该方法将稀疏分解原理应用于水声信号的预处理,通过在正交匹配追踪算法中引入阈值约束,并根据噪声分布特性将其分为两部分,用以控制预设置的参数。通过对加噪正弦信号、实测鲸鱼叫声和舰船辐射噪声信号的降噪实验,表明该方法能够在对原始水声信号进行压缩的同时提高信噪比,且在较宽的信噪比变化范围内比小波方法具有更好的降噪性能。     

基于混合编码遗传算法的匹配追踪算法

匹配追踪算法可以将任一信号分解为一组冗余的基元函数的线形展开,但是计算信号在每一个基元上的投影需要很高的代价,从而影响了它的广泛应用.本文提出了一种用浮点数和格雷码的混合编码遗传算法来实现匹配追踪算法,该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够有效地降低计算量,而且能够提高计算精度.计算机仿真结果证实了该方法的准确性和应用价值.     

基于波束空间的改进TOPS宽带DOA估计

提出了一种基于波束空间的改进投影子空间正交性测试算法,以克服投影子空间正交测试(Test of Orthogonality of Projected Subspace,TOPS)算法在低信噪比时容易出现伪峰的缺点。通过对TOPS算法中的正交性测试矩阵添加对角修正矩阵,并利用波束空间方法对阵元接收数据进行预处理,从而实现对宽带信号的波达方向估计。仿真结果表明,文中所提出算法与TOPS算法相比,能够抑制波束指向范围内的伪峰,并能提高分辨概率和减少运算量,是一种具有应用前景的新算法。     

基于信号匹配追踪的模态参数提取

传统的的设备模态参数提取多是建立在频谱计算的基础上,提取精度受采样频率和时域截断产生的能量泄漏的影响较大。为此,提出了一种基于信号匹配追踪的模态参数提取方法,该方法将Laplace小波作为信号匹配追踪的基元函数;同时引入粒子群算法来实现Laplace小波的参数寻优,克服了传统算法计算复杂的缺点。仿真和实际应用表明,该方法可有效地提取设备的模态参数;且比传统的半功率带宽法具有更高的精度。     

双向虚拟平滑阵列解相干信号的MUSIC算法的研究

本文首先对经典MUSIC算法的基本原理进行介绍,然后提出了基于这种算法的双向虚拟平滑阵列方法,计算机模拟结果证明了本文提出的方法能够克服经典MUSIC算法的缺点,对相干信号源的DOA能够进行准确的估计。     

任意阵列几种高分辨DOA估计算法的性能比较

许多优秀的高分辨算法只能用于均匀线列阵。在不规则阵列条件下，本文通过扇区内插法把实际阵列等效为虚拟的均匀线列阵，使高分辨阵处理算法能应用于任意阵列。以共形阵为例比较分析了改进的MFBLP、MFBLP、MUSIC、SSM和MSSM在少快拍时的方位估计性能，仿真结果表明这种等效虚拟的方法是可行的且改进的MFBLP在非相干与相干两种信号源情况下的估计性能都优于其它几种高分辨算法。因此，用等效虚拟的方法来实现改进的MFBLP对那些阵列不是均匀线列阵且实时性要求较高的阵处理是可行的。     

基于匹配追踪的复杂度分析方法在轴承故障诊断中的应用研究

提出一种新的基于匹配追踪算法的信号复杂度分析方法,用于实现对滚动轴承故障冲击频率的精确提取,从而实现故障的探测和诊断。仿真信号和实验信号的分析结果都表明本方法在强噪声干扰下有很强的提取故障冲击特征的能力,与包络谱相比有明显的优势。     

线性算子在迭代内插空间中的逼近

用K方法讨论内插空间的迭代构造,并用线性算子对其特征进行研究。应用这些结果可对目前见到的有界线性正算子的逼近性质重新进行刻画。     

基于矩阵平滑改进的稳健Capon波束形成的功率估计

回顾了对角加载波束形成的研究历程,提出了一种改进稳健Capon波束形成（RCB）算法。该方法在计算过程中,加入了矩阵平滑及将加权向量向信干子空间投影的步骤,提高了对相干信号的分辨能力以及低信噪比条件下信号功率的估计能力。仿真结果表明该方法能够分辨相干信号,功率估计较为准确,并且在输入信噪比为-10dB的时候,降低旁瓣15dB～20dB：当信源估计个数大于实际个数的时候依然有效。     

基于空间平滑的多波束测深声呐相干分布源方位估计

在多波束测深声呐的工作环境中,若海底反向散射信号不满足点源假设,方位估计精度将严重下降,而基于分布源模型的方位估计算法可以适应这种环境。目前,大多数分布源算法要求分布源之间不相干,有人提出采用Toeplitz方法估计相干分布源,但该方法精度不高并且忽略了角度扩展参数。为解决多波束测深声呐相干分布源的方位估计问题,提出了基于空间平滑的广义MUSIC方法,公式推导证明了算法的有效性,通过计算机仿真给出算法方位估计的精度以及不同信噪比条件下的性能,最后采用多波束测深系统的实验数据对算法进行了验证。     

一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法

为了更好地利用图像的结构特征,提高图像重建的质量,提出了一种基于多级树集合划分(SPIHT)和匹配追踪(MP)的分层图像编码方法--(SPMP)算法.该方法首先采用拉普拉斯金字塔(Laplacian Pyramid)算法将原始图像分解成低频平滑层和高频细节层,然后使用离散小波变换和SPIHT算法编码图像的低频成分,使用...     

采用混合粒子群算法实现匹配追踪算法

针对匹配追踪信号稀疏分解的巨大计算量问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合BFGS(Broyden、Fletcher、Goldfarb和Shanno)方法和变异操作的混合粒子群算法实现信号匹配追踪分解。利用BFGS方法增强了算法的局部开发能力,加快了信号特征提取速度;通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力,提高了信号特征提取精度。通过与单一粒子群算法和遗传算法实现仿真信号匹配追踪分解的结果进行对比,证明了使用混合粒子群算法的匹配追踪分解能够快速准确提取信号特征参数。最后,将该算法应用于某内圈损伤轴承振动信号中的冲击特征提取,结果表明该算法在工程应用中具有一定的准确性和实用性。     

基于Dice匹配的改进型匹配追踪算法

内积匹配准则作为一种搜索最匹配原子的方法,被广泛应用在传统压缩感知(CS)算法中。然而,由于该准则无法对相似向量进行准确度量,通常会导致最匹配原子的误判率高,无法满足更高精度的数据重构需求。针对这一问题,本文提出一种基于骰子(Dice)匹配的二次筛选选择性回溯匹配追踪(DSS-SBMP)算法,引入Dice系数匹配准则解决内积匹配准则对两向量间相似度度量不准确的问题;通过对原子进行二次筛选来减少原子所对应支撑集内的错误索引数,同时引入选择性回溯克服迭代过程中存在的回溯过度现象。仿真结果表明,DSS-SBMP算法在迭代过程中能够保留更多的正确原子,算法迭代次数小于子空间追踪(SP)算法,重构性能优于同类贪婪算法。